本书主要介绍常用的统计预测与决策方法. 统计预测方法主要包括定性统计预测、统计回归预测、时间序列分解法和趋势外推法、马尔可夫预测、平稳时间序列预测、模糊时间序列预测、灰色系统预测、神经网络预测和组合预测方法; 决策方法主要包括不确定型决策、风险型决策、多目标决策和序贯决策等. 本书注重阐述统计预测与决策模型的基本原理和方法, 使之具有一定的系统性和新颖性; 同时也介绍了各类模型的特点和适用范围, 并给出应用案例, 突出学以致用. 另外, 每章都配有适量的习题, 部分习题具有一定的拓展性; 并且提供习题详解, 扫描二维码可以核对习题答案.
样章试读
目录
- 目录
前言
上篇 统计预测
第1章 统计预测概述 3
1.1 统计预测的概念 3
1.2 统计预测方法的分类 4
1.3 统计预测的原则和步骤 5
1.3.1 统计预测的原则 5
1.3.2 统计预测的步骤 6
1.4 统计预测的发展现状 8
1.4.1 不确定性预测方法 8
1.4.2 组合预测方法 9
1.5 统计预测与决策的关系 10
习题1 11
第2章 定性统计预测方法 12
2.1 定性预测概述 12
2.2 德尔菲法 13
2.2.1 德尔菲法的实施过程 13
2.2.2 德尔菲法特点 14
2.2.3 专家意见的统计处理 15
2.2.4 德尔菲法在中国生物制药行业技术预测分析中的应用 16
2.3 主观概率法 18
2.3.1 主观概率法 18
2.3.2 主观概率预测方法的案例 18
习题2 20
第3章 统计回归预测方法 21
3.1 一元线性回归预测方法 21
3.1.1 回归模型的建立 21
3.1.2 一元线性回归模型参数的估计 22
3.1.3 一元线性回归模型的检验 22
3.1.4 一元线性回归模型的预测 24
3.2 多元线性回归预测方法 26
3.2.1 多元线性回归模型 26
3.2.2 参数估计 27
3.2.3 统计检验 28
3.2.4 多元线性回归模型进行预测 30
3.3 非线性回归预测方法 31
3.4 主成分回归预测方法 33
3.4.1 主成分分析 33
3.4.2 主成分回归预测 36
习题3 41
第4章 时间序列分解法和趋势外推法 43
4.1 时间序列以及时间序列分解 43
4.1.1 时间序列的含义 43
4.1.2 时间序列确定性因素分解 44
4.2 趋势外推法概述 45
4.2.1 趋势外推概念 45
4.2.2 趋势外推法分类 46
4.2.3 趋势外推模型的选择 47
4.3 多项式曲线趋势外推法 49
4.3.1 二次多项式曲线预测 49
4.3.2 三次多项式曲线预测 51
4.4 指数曲线趋势外推法 53
4.4.1 指数曲线预测 53
4.4.2 修正的指数曲线预测 55
4.5 生长曲线趋势外推法 56
4.5.1 Gompertz曲线模型 56
4.5.2 Logistic曲线模型 58
4.6 曲线拟合优度分析 60
4.7 时间序列分解的案例研究 62
4.7.1 背景介绍 62
4.7.2 数据说明 63
4.7.3 描述性统计分析 63
4.7.4 时间序列分解及趋势外推 63
4.7.5 总结 67
习题4 68
第5章 马尔可夫预测方法 69
5.1 马尔可夫链基本理论 69
5.2 马尔可夫预测方法 74
5.3 市场占有率预测 75
5.4 股票价格走势预测 78
习题5 80
第6章 平稳时间序列预测方法 82
6.1 平稳时间序列 82
6.1.1 平稳时间序列概念 82
6.1.2 平稳性检验 83
6.2 平稳时间序列模型及识别 89
6.2.1 AR(p)模型 89
6.2.2 MA(q)模型 90
6.2.3 ARMA(p, q)模型 91
6.2.4 ARMA(p, q)模型定阶 92
6.3 平稳时间序列模型的参数估计 96
6.3.1 矩估计 96
6.3.2 最小二乘估计 98
6.4 平稳时间序列模型的预测 99
6.4.1 AR(p)序列预测 99
6.4.2 MA(q)序列预测 100
6.4.3 ARMA(p, q)序列预测 102
6.5 平稳时间序列案例分析 103
6.5.1 背景介绍 103
6.5.2 数据说明 104
6.5.3 随机时间序列预测过程 104
习题6 109
第7章 模糊时间序列预测方法 111
7.1 模糊时间序列 111
7.1.1 模糊数学基本概念与理论 111
7.1.2 模糊时间序列模型 113
7.2 一阶模糊时间序列预测方法 114
7.3 高阶模糊时间序列预测方法 119
7.3.1 高阶模糊时间序列分析简介 119
7.3.2 高阶模糊时间序列分析模型建立 120
7.4 多因素模糊时间序列预测方法 122
7.4.1 多因素高阶模糊时间序列分析 122
7.4.2 多因素高阶模糊时间序列模型建立 125
7.5 模糊时间序列应用案例分析 129
7.5.1 模糊时间序列预测 129
7.5.2 高阶模糊时间序列预测 133
习题7 135
第8章 灰色系统预测方法 137
8.1 灰色预测GM(1, 1)模型 137
8.1.1 灰色系统基本概念 137
8.1.2 GM(1, 1)预测模型的基本原理 137
8.2 GM(1, 1)模型检验 140
8.2.1 GM(1, 1)模型残差检验 140
8.2.2 GM(1, 1)模型后验差检验 141
8.2.3 GM(1, 1)模型关联度检验 141
8.3 GM(1, 1)残差模型 142
8.4 GM(n, h)模型 144
8.4.1 GM(1, h)模型 144
8.4.2 GM(n, h)模型 147
8.5 案例分析：生活垃圾清运量预测 148
8.5.1 研究背景 148
8.5.2 数据来源 149
8.5.3 模型建立 149
习题8 155
第9章 神经网络预测方法 157
9.1 BP 神经网络预测模型 157
9.1.1 人工神经元数学模型 158
9.1.2 BP神经网络的结构 158
9.1.3 传递函数(激活函数) 159
9.1.4 BP神经网络学习算法及流程 160
9.2 BP神经网络的MATLAB工具箱函数 161
9.2.1 数据的预处理和后处理 161
9.2.2 创建网络 162
9.2.3 设定参数 163
9.2.4 训练网络 163
9.2.5 BP神经网络的仿真 163
9.2.6 模拟输出 163
9.3 神经网络预测案例 163
习题9 168
第10章 组合预测方法 170
10.1 组合预测的概念及分类 170
10.2 非最优正权组合预测模型权系数的确定方法 172
10.2.1 几种常规的非最优正权组合预测模型权系数的确定方法 172
10.2.2 非最优组合预测系数确定方法的应用举例 174
10.3 以预测误差平方和达到最小的线性组合预测模型 175
10.3.1 最优线性组合预测模型的建立 175
10.3.2 最优线性组合预测模型的解的讨论 177
10.4 基于相关系数的最优组合预测模型 179
10.4.1 基于相关系数的最优组合预测模型 179
10.4.2 实例分析 181
10.5 基于IOWA算子的组合预测方法 184
10.5.1 OWA算子和IOWA算子的概念及性质 184
10.5.2 基于IOWA算子的组合预测模型 186
10.5.3 实例分析 188
习题10 191
下篇 统计决策
第11章 统计决策概述 195
11.1 决策问题的基本概念 195
11.1.1 决策的基本概念 195
11.1.2 统计决策的三个基本概念 195
11.2 决策的种类 196
11.3 决策的过程与决策分析的要素和原则 197
11.3.1 决策的过程 197
11.3.2 决策分析 198
11.3.3 决策的原则 198
习题11 199
第12章 不确定型决策方法 200
12.1 乐观准则决策方法 200
12.2 悲观准则决策方法 201
12.3 乐观系数决策方法 201
12.4 等可能性准则决策方法 202
12.5 后悔值准则决策方法 202
12.6 信息集成法在决策中的应用 203
12.6.1 多属性决策方法 203
12.6.2 基于OWA算子的多属性决策方法 205
12.7 几种决策方法的比较分析 207
习题12 209
第13章 风险型决策方法 211
13.1 风险型决策的基本问题 211
13.2 风险型决策的期望值准则 212
13.3 决策树分析法 214
13.4 风险决策的灵敏度分析 216
13.4.1 敏感性分析的概念和步骤 216
13.4.2 两状态两行动方案的敏感性分析 216
13.4.3 三状态三行动方案的敏感性分析 217
13.5 效用理论及风险评价 219
13.5.1 效用的含义 219
13.5.2 效用曲线 220
13.5.3 效用曲线的类型 222
13.5.4 效用曲线的应用 222
13.6 连续型变量的风险型决策方法 224
13.6.1 边际分析法 225
13.6.2 标准正态分布决策法 227
13.7 主观概率决策法 229
13.7.1 主观概率的基本概念 229
13.7.2 主观概率的估计方法 230
13.7.3 主观概率决策 233
13.8 贝叶斯决策法 234
13.8.1 贝叶斯决策的概念和步骤 234
13.8.2 后验预分析 234
13.8.3 贝叶斯决策 239
习题13 241
第14章 多目标决策方法 245
14.1 多目标决策概述 245
14.1.1 多目标决策过程 245
14.1.2 多目标决策问题的要素 247
14.2 层次分析法 251
14.2.1 层次分析法的基本原理 251
14.2.2 层次分析法的基本步骤 258
14.3 字典式法 259
14.4 TOPSIS法 260
14.5 ELECTRE法 264
14.5.1 级别高于关系的性质 266
14.5.2 级别高于关系的构造 266
14.5.3 级别高于关系的应用 268
14.5.4 算法步骤 269
14.6 LINMAP法 271
14.7 优劣系数法 277
习题14 282
第15章 序贯决策方法 285
15.1 单目标确定性序贯决策 285
15.2 单目标随机性序贯决策 289
15.3 马尔可夫决策 293
15.3.1 状态转移概率矩阵及其决策特点 293
15.3.2 马尔可夫决策的应用步骤 294
15.4 多目标序贯决策 298
15.4.1 多目标序贯决策的理论模型 298
15.4.2 多目标序贯决策的分层解法 299
习题15 301
参考文献 303
京公网安备 11010102004214号